Sumário

1 - FUNDAMENTOS
1.1. Risco de crédito e credit scores
1.2. Por que medir o risco de crédito?
1.3. Aplicações de credit scoring
1.4. Estimando risco de crédito - ideia básica
1.5. Cálculo dos escores
1.6. Probabilidade e erros de decisão
1.7. Premissa básica em modelos de credit scoring
1.8. Application scoring e behavioral scoring
1.9. Modelos julgamentais e modelos quantitativos
1.9.1. Modelos julgamentais
1.9.2. Modelos quantitativos I - Modelos generalistas
1.9.3. Modelos quantitativos II - Modelos customizados
1.10. Roteiro para o desenvolvimento de um modelo de scoring
1.11. Uma nota de alerta

2 - PLANEJAMENTO E DEFINIÇÕES
2.1. Objetivo do estudo
2.2. Análise do tipo de operação a ser considerada
2.3. Definição e segmentação do mercado-alvo
2.4. Definição de bom e mau cliente
2.5. Data de referência, período de performance, período histórico e safra
2.5.1. Data de referência
2.5.2. Período de performance
2.5.3. Período histórico
2.5.4. Período de concessão e safra

3 - IDENTIFICAÇÃO DAS VARIÁVEIS PREVISORAS
3.1. Variáveis potenciais
3.1.1. Tipos de variáveis
3.2. Agrupando informações em intervalos de tempo
3.3. Cuidados na identifi cação das variáveis potenciais
3.3.1. Definição operacional - uniformidade na interpretação
3.3.2. Confiabilidade das informações
3.3.3. Informações recentes
3.3.4. Disponibilidade ao longo do tempo
3.3.5. Variáveis aceitáveis pelos analistas ou pela empresa credora
3.3.6. Aspectos éticos e legais
Apêndice 3.1. Informações interessantes no desenvolvimento de modelos de credit scoring para pessoas físicas
Apêndice 3.2. Informações interessantes no desenvolvimento de modelos de credit scoring para pessoas jurídicas

4 - AMOSTRAGEM E COLETA DE DADOS
4.1. Amostragem
4.1.1. Unidade amostral
4.1.2. Mercado-alvo
4.2. Duas formas de amostragem
4.2.1. Amostragem aleatória simples
4.2.2. Amostragem aleatória estratificada
4.2.3. Dimensionamento das amostras
4.3. Amostras de desenvolvimento e validação
4.4. Aquisição dos dados
4.5. Cuidados especiais na coleta de dados

5 - ANÁLISE DOS DADOS
5.1. Introdução
5.2. Análise univariada
5.2.1. Distribuições de frequências
5.2.2. Identificação e tratamento de inconsistências
5.2.3. Identificação e tratamento de outliers (dados discrepantes)
5.2.4. Identificação e tratamento de valores em branco (missing values)
5.2.5. Síndrome de "outros"
5.2.6. Problemas com siglas ou abreviações
5.3. Definição de novas variáveis
5.4. Discretização de variáveis
5.4.1. Por que discretizar uma variável quantitativa?
5.4.2. Como discretizar variáveis quantitativas?
5.5. Fusão de categorias de variáveis qualitativas ou quantitativas
5.6. Geração de variáveis dummies
5.7. Terminando a análise univariada

6 - ANÁLISES BIVARIADAS
6.1. Introdução
6.2. Fusão de categorias
6.2.1. Critérios utilizados para fusão de categorias
6.2.2. Peso da evidência (WOE)
6.2.3. Agrupamento pelo AID
6.2.4. Comparação de duas formas de fusão de classes
6.2.5. Imputação de valores para variáveis qualitativas
6.3. Análise do poder preditivo das variáveis
6.3.1. Análise visual
6.3.2. Análise utilizando a estatística IV
6.4. Pré-seleção de variáveis
6.5. Correlação entre variáveis potenciais

7 - OBTENÇÃO DA FÓRMULA PRELIMINAR
7.1. Introdução
7.2. Características de um modelo de credit scoring
7.3. Quantas variáveis deve ter uma fórmula de escoragem?
7.4. Metodologias para obtenção da fórmula de escoragem
7.5. Cálculo da fórmula de escoragem com regressão logística
7.6. Exemplo
7.7. Análise da fórmula de escoragem
7.8. Impacto de uma variável sobre P(bom)
7.9. Conclusão

8 - ANÁLISE E VALIDAÇÃO DA FÓRMULA DE ESCORAGEM
8.1. Introdução
8.2. Avaliação por analistas de crédito
8.3. Análise estatística
8.4. Amostras de desenvolvimento e de teste
8.5. Re-escalonamento dos escores
8.6. Classes de risco para análise do modelo
8.6.1. Distribuições coluna
8.6.2. Distribuições linha
8.7. Indicadores de poder discriminador
8.7.1. KS - Índice de Kolmogorov-Smirnov
8.7.2. AUROC - Area Under Receiver Operating Characteristic
8.7.3. Coeficiente de Gini
8.7.4. Perfi l de Eficiência Acumulada (CAP)
8.7.5. D de Sommers

9 - APERFEIÇOANDO O MODELO
9.1. Utilização das informações dos proponentes recusados (reject inference)
9.1.1. Alternativa 1: considerar todos os recusados como maus
9.1.2. Alternativa 2: extrapolação I (extrapolação simples)
9.1.3. Alternativa 3: extrapolação II (parceling)
9.1.4. Alternativa 4: ponderação (augmentation)
9.1.5. Analisando os resultados da inferência dos recusados
9.2. Tratamento de outros clientes não considerados no modelo
9.3. Interação de variáveis

10 - IMPLANTAÇÃO DO MODELO
10.1. Introdução
10.2. Regras para tomada de decisão
10.2.1. Filtros de crédito
10.2.2. Definição do ponto de corte
10.2.2.1. Dois pontos de corte e região cinza
10.2.3. Classes de risco
10.2.4. Regras para interferência (overrides)
10.3. Documentação
10.3.1. Diário de bordo
10.4. SADC - Sistema de Apoio à Decisão de Crédito
10.5. Aspectos técnicos da implantação do credit scoring
10.5.1. Detalhamento para a área de informática
10.5.2. Segurança do sistema de cálculo dos escores
10.5.3. Homologação do sistema
10.5.3.1. Teste do sistema de cálculo de escores e classificação em classes
10.5.3.2. Teste de operação do sistema
10.5.3.3. Homologação
10.5.4. Envolvimento de outras áreas
10.6. Educação e treinamento dos usuários
10.7 Liberação para operação de rotina

11. GESTÃO E MONITORAMENTO DO MODELO
11.1 Introdução
11.2 Auditoria
11.2.1 Quando realizar as auditorias
11.2.2 Como realizar a auditoria
11.2.3 O que verifi car
11.2.4 Relatório da auditoria
11.3 Monitoramento da estabilidade populacional
11.3.1 Introdução
11.3.2 O que monitorar
11.3.3 Periodicidade
11.3.4 Distribuições de referência
11.3.5 Amostragem e informações para monitoramento
11.3.6 Análise da estabilidade populacional
11.3.6.1 Análise visual
11.3.7 Análise estatística
11.3.7.1 Teste de Kolmogorov-Smirnov
11.3.7.2 Teste utilizando a medida de divergência de Kulback (IV ou IEP)
11.3.7.3 Análise das distribuições das variáveis
11.4 Ações em caso de instabilidade populacional
11.4.1 Instabilidade dos escores - ações de contingência
11.5 Monitoramento do desempenho de um modelo
11.5.1 Introdução
11.5.2 Amostragem para avaliação de desempenho
11.5.3 Indicadores de desempenho não estatísticos
11.5.4 Monitoramento do desempenho do modelo utilizado à medida AR
11.5.5 Exemplos de relatórios de acompanhamento
11.6 Matriz de migração
11.6.1 Análise da matriz de migração

REFERÊNCIAS BIBLIOGRÁFICAS

APÊNDICE 1 ANÁLISE DISCRIMINANTE E REGRESSÃO LOGÍSTICA
A1.1 Introdução
A1.2 Função discriminante linear
A1.3 Regressão logística
A1.3.1 Estimação dos parâmetros β
A1.3.2 Seleção de variáveis
A1.3.3 Análise do ajuste do modelo
A1.3.4 Correções para o caso de amostragem estratifi cada

APÊNDICE 2 LIVRARIAS DORELA
A2.1 Análise das variáveis e transformações
A2.1.1 IDADE - Em anos completos
A2.1.2 UNIFED - Unidade da Federação em que reside
A2.1.3 RESID - Tipo de residência
A2.1.4 FONE - Telefone residencial
A2.1.5 INSTRU - Grau de instrução
A2.1.6 CARTÃO - Possui cartão de primeira linha?
A2.1.7 RESTR - Possui desabonos (protesto, cheque sem fundos e ações de busca e apreensão) em To?
A2.1.8 FICÇÃO - Comprou apenas livro(s) de ficção?
A2.1.9 NÃO FICÇÃO - Comprou apenas livro(s) de não ficção?
A2.1.10 AUTOAJUDA - Comprou apenas livro(s) de autoajuda?
A2.1.11 CATEG - Compra dois ou mais livros de diferentes tipos?